我正试图将分布拟合到我的最大分数以获得显著性阈值。我使用evir::gev()来做到这一点。当我直接从包含极值的对象中提取值时，这个拟合方法会抛出一个错误。如果我将这些值作为手工定义的向量导入，则不会出现错误。据我所知，两次运行中的数据对象实际上是相同的，但显然处理方式不同。(都是double类型的vector)
data<- c(5.401319,6.580631,6.120880,5.686255,6.640302,6.990672,5.797920,6.902248,5.694203,6.853788)
print(data)
typeof(data)
fit<- evir::gev(data)
不::
data<- permuted_scans$max.statistics$LOD
print(data)
typeof(data)
fit<- evir::gev(data)
optim(theta, negloglik, hessian = TRUE，…， TMP = data):非有限有限差值1
R错误笔记
我不确定错误究竟来自何处，但是当我为排列扫描模拟更多数据点时，错误消失了。我假设gev()函数不适合于小样本量(只有10个值)，并且得到的是负数。我不知道为什么手工输入的向量没有出现错误。